机器学习算法之七:5分钟上手SVM
来源:互联网 发布:linux 重启后挂载失败 编辑:程序博客网 时间:2024/04/24 19:45
1.案例:承袭Decision Tree的案例数据,同样用身高和体重来界定胖瘦。如下文字档(7.SVM.txt),三个栏位各代表身高(m)、体重(kg)与胖瘦(thin/fat)。
2.问题:现在有两人,其中一位身高1.6m、体重30kg,另一位身高1.6m、体重300kg,请问各是胖是瘦呢?
3.数据文档:7.SVM.txt,内容如下。
1.5 40 thin
1.5 50 fat
1.5 60 fat
1.6 40 thin
1.6 50 thin
1.6 60 fat
1.6 70 fat
1.7 50 thin
1.7 60 thin
1.7 70 fat
1.7 80 fat
1.8 60 thin
1.8 70 thin
1.8 80 fat
1.8 90 fat
1.9 80 thin
1.9 90 fat
4.Sampe code:
#coding: utf-8import numpy as npimport scipy as spfrom sklearn import svmfrom sklearn.cross_validation import train_test_splitimport matplotlib.pyplot as plt#----载入资料data = []labels = []with open("7.svm.txt") as ifile: for line in ifile: tokens = line.strip().split(' ')data.append([float(tk) for tk in tokens[:-1]]) #读取身高与体重数据labels.append(tokens[-1]) #读取胖瘦#将资料放是array中x = np.array(data) labels = np.array(labels) y = np.zeros(labels.shape) #标签转换为0/1,瘦代表0,胖代表1y[labels=='fat']=1#训练模型、提取特徵#参数说明:linear代表是选择线性模型clf=svm.SVC(kernel='linear')clf.fit(x,y)#----预测并输出结果print clf.predict([[1.6, 30]])print clf.predict([[1.6, 300]])
5.结果:
[ 0.]
[ 1.]
1 0
- 机器学习算法之七:5分钟上手SVM
- 机器学习算法之二:5分钟上手K-Means
- 机器学习算法之三:5分钟上手Bayes
- 机器学习算法之四:5分钟上手Decision Tree
- 机器学习算法之五:5分钟上手Linear Regression
- 机器学习算法之六:5分钟上手Logistic Regression
- 机器学习算法之一:5分钟上手KNN
- 【机器学习算法】之SVM
- 系统学习机器学习之SVM(四)--SVM算法总结
- 机器学习算法笔记之5:支持向量机SVM
- 机器学习算法入门之(四) SVM
- 机器学习十大算法之SVM
- 机器学习(七):SVM
- 机器学习-SVM算法
- 机器学习算法-SVM
- 数学之路(3)-机器学习(3)-机器学习算法-SVM[5]
- 机器学习之SVM
- 机器学习之SVM
- Objective-C Autorelease Pool 的实现原理
- JavaWeb开发中判断App端是否已登录的方式
- JAVA温习课堂14
- SQL面试题目汇总
- android 调用webservice出错
- 机器学习算法之七:5分钟上手SVM
- sql 查询科目成绩以及平均成绩
- 深入理解Redis中的主键失效及其实现机制
- 【Android实战之旅 004】Android摄像头基础
- Leetcode 283 Move zeros
- 如何查看当前ubuntu的版本信息
- CSS3的calc()使用
- redis 学习笔记(7)-cluster 客户端(jedis)代码示例
- 索引